基于數(shù)學形態(tài)學的鐵譜圖像分割技術(shù)研究.pdf

1、機械零部件的磨損是機械設(shè)備最主要的故障之一，所以對機械設(shè)備在不拆卸、不停止機器運轉(zhuǎn)的條件下進行磨損狀態(tài)準確分析，具有十分重要的意義。磨損磨粒分析是鐵譜圖像分析技術(shù)中十分重要的環(huán)節(jié)，它通過分析鐵譜圖像上磨粒的類型、成分、濃度、尺寸等來判斷磨損發(fā)生的部位、嚴重程度和機器的運行狀況。鐵譜圖像分割是進行磨損磨粒分析的前提，為后續(xù)的磨損磨粒圖像分析提供依據(jù)，起著決定性作用。
　　 論文首先利用數(shù)學形態(tài)學抗噪聲性能好、運算效率高、定位準確等

2、特點，將數(shù)學形態(tài)學的膨脹運算、腐蝕運算、以及重構(gòu)運算等用于鐵譜圖像預(yù)處理。提出了基于測地膨脹去除鐵譜圖像不均勻背景的算法，將磨粒與背景有效地區(qū)別開來。通過采用形態(tài)學開閉重構(gòu)運算濾除鐵譜圖像上的噪聲和雜質(zhì)，運用形態(tài)學膨脹與腐蝕運算填充磨粒內(nèi)部的孔洞。使用形態(tài)學方法進行邊緣檢測，得到連續(xù)且封閉的鐵譜磨粒邊緣。
　　 其次，論文利用改進的標記分水嶺算法對預(yù)處理后的鐵譜圖像進行有效分割。首先利用形態(tài)學極限腐蝕獲取圖像上的極小值區(qū)域，利用

3、條件膨脹對鐵譜圖像上的磨粒進行分割。為了避免過分割現(xiàn)象，論文對分水嶺分割算法中標記的提取技術(shù)進行了改進。提出了用基于串行算法的距離變換來構(gòu)造拓撲圖像、用局部極大值線段方法搜索標記點、并對相同區(qū)域重復(fù)標記做合并的標記提取方法。通過利用所改進的分水嶺分割算法，不僅能有效分割出鐵譜圖像中磨損磨粒區(qū)域，而且可以有效地解決傳統(tǒng)分水嶺算法因?qū)υ肼暶舾卸鸬倪^分割問題。
　　 最后，通過實驗對比分析，證明了以上算法在解決抑制噪聲、邊緣檢測